수자원 관리를 위해서는 수역을 높은 정확도로 지도화하는 것이 필수적이며, 기후변화로 인한 수자원 변동성을 모니터링하기 위해서는 광역 지역을 신속한 분류가 필요하다. SAR(Synthetic-Aperture Radar) 영상에서 스페클 노이즈를 제거하면서 복잡한 경계 구조를 유지하는 것은 수체 탐지에서 중요한 전처리 작업이다. 특히, 수체와 육지 사이의 후방산란 차이에서 기울기(Gradient)를 최적화하면서 후방산란계수 히스토그램을 이산화하는 것은 더욱 정교하고 정확한 수체 경계선 확보에 필수적이다. 본 연구에서는 SAR 영상의 노이즈 성분으로 인해 발생할 수 있는 분류 간섭을 최소화하기 위해, 전역 기울기 희소성 분해 방법(Global Gradient Sparsity Decomposition)을 사용하여 가우시안 노이즈가 약화한 가이드 영상을 제작하였다. 동시에, SAR 영상의 후방산란 값을 기반으로, 지역 기울기 제약(Local Gradient Constraint)을 사용하여 수체 경계면을 탐지하는 엣지 연산자를 제작하였다. 이 연산자는 반복적으로 수행되며 유사하게 발견되는 노이즈 성분을 약화시켜 보다 정확한 수체의 구조적 정보를 산출한다. 이후, 두 모델을 결과를 이용하여 수평 및 수직 방향으로 투영된 기울기를 산출하였다. 마지막으로, 스페클 감소 기법이 적용된 영상의 일관성을 유지하기 위해 다차원 기울기 정규화 방법(Multi-Directional Gradient Normalization Method)을 적용하였다. 개발된 기법은 정량적 평가지표, PSNR(Peak signal-to-noise ratio) 31dB, SSIM(Structural Similarity Index measure) 0.89로 영상의
구조적 특성을 잘 유지하며 스페클 노이즈를 효과적으로 줄이고 있었다. 또한, RGPI(Ratio Gradient Preservation Index)에서 0.96로 수체 경계 구조의 정확성을 잘 보존하였다.